引言

人工智能到底是什么？通常來說，人工智能（Artificial Intelligence）是研究、開發(fā)用于模擬、延伸和擴展人智能的理論、方法、技術及應用系統(tǒng)的一門新技術科學。人工智能領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

但是事實上，給一門學科界定范圍是很難的，尤其對于一門正在快速發(fā)展的學科更是難上加難。即使是數(shù)學這樣成熟的學科，有時我們也很難梳理一個明確的邊界。而像人工智能這樣不斷擴展邊界的學科，更是很難做出一個相對準確的判斷。對于人工智能的應用已經擴展到各個領域，機械、電子、經濟甚至哲學，都有所涉及。它的實用性極強，是一種極具代表性的多元跨專業(yè)學科。

??

第一章：起步期-20世紀50年代及以前

人工智能的起源可以追溯到以及阿蘭·圖靈（Alan Turing）1936年發(fā)表的《論可計算數(shù)及其在判定問題中的應用》。后來隨著克勞德·香農（Claude Shannon）在 1950?年提出計算機博弈。以及艾倫·麥席森·圖靈（Alan?Mathison?Turing）在 1954 年提出“圖靈測試”，讓機器產生智能這一想法開始進入人們的視野。

1956年達特茅斯學院召開了一個研討會，John McCarthy, Marvin Minsky, Nathaniel Rochester, 以及Claude Shannon等人正式提出“人工智能”這一概念。算法方面，1957年，Rosenblatt Frank提出感知機算法Perceptron，這不僅開啟了機器學習的浪潮，也成為后來神經網(wǎng)絡的基礎（當然追溯的話，神經網(wǎng)絡研究得追溯到1943年神經生理學家麥卡洛克（W. S. McCulloch）和皮茨（W. Pitts）的神經元模型）。

1.1?計算機象棋博弈（Programming a computer for playing chess）

克勞德·艾爾伍德·香農（Claude Elwood Shannon，1916年4月30日—2001年2月24日）是美國數(shù)學家、信息論的創(chuàng)始人。

香農是世界上首批提出“計算機能夠和人類進行國際象棋對弈”的科學家之一。1950年，他為《科學美國人》撰寫過一篇文章，闡述了“實現(xiàn)人機博弈的方法”；他設計的國際象棋程序，發(fā)表在同年《哲學雜志》上（計算機下棋程序 Programming a Computer for Playing Chess）。

香農把棋盤定義為二維數(shù)組，每個棋子都有一個對應的子程序計算棋子所有可能的走法，最后有個評估函數(shù)（evaluation function）。傳統(tǒng)的棋局都把下棋過程分為三個階段，開局、中局和殘局，不同階段需要不同的技術手段。而此論文也引用了馮·諾依曼的《博弈論》和維納的《控制論》。

這篇論文開啟了計算機下棋的理論研究，其主要思路在多年后的“深藍”及AlphaGo中仍能看到。1956年，在洛斯阿拉莫斯的MANIAC計算機上，他又展示了國際象棋的下棋程序。

1.2?圖靈測試（Turing Test）

艾倫·麥席森·圖靈（英語：Alan Mathison Turing，1912年6月23日—1954年6月7日），英國數(shù)學家、邏輯學家，被稱為計算機科學之父，人工智能之父。

1954年，圖靈測試（The Turing test）由圖靈發(fā)明，指測試者與被測試者（一個人和一臺機器）隔開的情況下，通過一些裝置（如鍵盤）向被測試者隨意提問。進行多次測試后，如果機器讓平均每個參與者做出超過30%的誤判，那么這臺機器就通過了測試，并被認為具有人類智能。圖靈測試一詞來源于計算機科學和密碼學的先驅艾倫·麥席森·圖靈寫于1950年的一篇論文《計算機器與智能》，其中30%是圖靈對2000年時的機器思考能力的一個預測，目前我們已遠遠落后于這個預測。

他實際提出了一種測試機器是不是具備人類智能的方法。即假設有一臺電腦，其運算速度非?？?、記憶容量和邏輯單元的數(shù)目也超過了人腦，而且還為這臺電腦編寫了許多智能化的程序，并提供了合適種類的大量數(shù)據(jù)，那么，是否就能說這臺機器具有思維能力？

圖靈肯定機器可以思維的，他還對智能問題從行為主義的角度給出了定義，由此提出一假想：即一個人在不接觸對方的情況下，通過一種特殊的方式，和對方進行一系列的問答，如果在相當長時間內，他無法根據(jù)這些問題判斷對方是人還是計算機，那么，就可以認為這個計算機具有同人相當?shù)闹橇Γ催@臺計算機是能思維的。這就是著名的“圖靈測試”（Turing Testing）。當時全世界只有幾臺電腦，其他幾乎所有計算機根本無法通過這一測試。

要分辨一個想法是“自創(chuàng)”的思想還是精心設計的“模仿”是非常難的，任何自創(chuàng)思想的證據(jù)都可以被否決。圖靈試圖解決長久以來關于如何定義思考的哲學爭論，他提出一個雖然主觀但可操作的標準：如果一臺電腦表現(xiàn)（act）、反應（react）和互相作用（interact）都和有意識的個體一樣，那么它就應該被認為是有意識的。

為消除人類心中的偏見，圖靈設計了一種“模仿游戲”即圖靈測試：遠處的人類測試者在一段規(guī)定的時間內，根據(jù)兩個實體對他提出的各種問題的反應來判斷是人類還是電腦。通過一系列這樣的測試，從電腦被誤判斷為人的幾率就可以測出電腦智能的成功程度。

圖靈預言，在20世紀末，一定會有電腦通過“圖靈測試”。2014年6月7日在英國皇家學會舉行的“2014圖靈測試”大會上，舉辦方英國雷丁大學發(fā)布新聞稿，宣稱俄羅斯人弗拉基米爾·維西羅夫（Vladimir Veselov）創(chuàng)立的人工智能軟件尤金·古斯特曼（Eugene Goostman）通過了圖靈測試。雖然“尤金”軟件還遠不能“思考”，但也是人工智能乃至于計算機史上的一個標志性事件。

1.3達特茅斯學院人工智能夏季研討會（Dartmouth Summer Research Conference on Artificial Intelligence）

1956年夏季，年輕的明斯基與數(shù)學家和計算機專家麥卡錫（John MeCarthy，1927—2011）等10人在達特茅斯學院（Dartmouth College辦了一個長達2個月的人工智能夏季研討會，認真熱烈地討論用機器模擬人類智能的問題。會上正式使用了人工智能（artificial intelligence，即 AI）這一術語。

這是人類歷史上第一次人工智能研討，標志著人工智能學科的誕生，具有十分重要的歷史意義，為國際人工智能的發(fā)展做出重要的開創(chuàng)性貢獻。會議持續(xù)了一個月，基本上以大范圍的集思廣益為主。這催生了后來人所共知的人工智能革命。1956年也因此成為了人工智能元年。會議的主要議題包括自動計算機、如何為計算機編程使其能夠使用語言、神經網(wǎng)絡、計算規(guī)模理論、自我改造、抽象、隨機性與創(chuàng)造性等。

1.4感知機（Perceptrons）

1957年,弗蘭克·羅森布拉特（Frank Rosenblatt）在一臺IBM-704計算機上模擬實現(xiàn)了一種他發(fā)明的叫做“感知機”（Perceptron）的神經網(wǎng)絡模型。羅森布拉特1962年出了本書：《神經動力學原理：感知機和大腦機制的理論》（Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms），基于MCP神經元提出了第一個感知器學習算法，同時它還提出了一個自學習算法，此算法可以通過對輸入信號和輸出信號的學習，自動獲取到權重系數(shù)，通過輸入信號與權重系數(shù)的乘積來判斷神經元是否被激活（產生輸出信號）。

感知機需要幾個二進制輸入， X1，X2，…Xn X1，X2，…Xn ，并產生一個二進制輸出：

上圖所示的 Perceptron Perceptron 有三個輸入，但是實際的輸入可能遠多于三個或是少與三個。Rosenblatt Rosenblatt 提出了一個簡單的規(guī)則來計算輸出，他首先引入了 weights weights（權重）概念，?ω1，ω2,... ω1，ω2,...。以實數(shù)權重?ω ω表示輸入到輸出的重要性，神經元的輸出?0?或 1 ，這取決于加權因子（即 weights weights）小于或大于某一閾值。就像權重，閾值為一個實數(shù)，是一個神經元的參數(shù)。

公式表示為：

這就是我們熟知的激活函數(shù)的最初形態(tài)，?0 0?狀態(tài)代表抑制， 1 1 狀態(tài)代表激活。這簡單的數(shù)學公式幫助我們了解 perceptrons perceptrons 是如何工作的。姑且我們把它理解為：?它是一種通過權衡輸入信息的重要性來決定你的輸出。

2023年Openai的ChatGPT 4.0火爆出圈，這么好的東西卻不對中國用戶（包括港澳臺）開放。我們希望通過自己的內容、技術和服務，些許的抹平差異，讓中國用戶，也能更方便、更便宜的了解和使用到全球最強大的對話式AI大模型。

文章來源地址http://www.zghlxwxcb.cn/news/detail-816622.html

到了這里，關于人工智能發(fā)展簡史第一章：起步期-20世紀50年代及以前的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！